Microsoft称其Diagnostic Orchestrator在诊断测试中优于医生

多年来，AI 领域的领军者一直将医疗保健称为其技术将改善人们生活的最明显例证之一。如今，“它终于来了，”Microsoft AI 首席执行官 Mustafa Suleyman 告诉The Verge。该公司声称开发出了一款 AI 驱动的工具，据称其诊断病症的准确率最高可达人类医生的四倍。

这项研究结果于周四发表在全球最负盛名的期刊之一Science上。研究通过一系列取自医疗病例报告和急诊科数据的场景，测试 Microsoft 的 AI 系统与人类医生的表现。Microsoft 将这些病例整理成自己的基准测试 SDBench，并计划将其开源。Microsoft 的 Diagnostic Orchestrator 旨在像医疗专家小组一样运作，它使用多个 AI 智能体推理症状和病史、决定需要进行哪些检查，并得出诊断结果，模拟医生调查病例的过程。

在取自数百篇发表于The New England Journal of Medicine的报告的病例中，Microsoft 的系统诊断准确率约为 83%，而使用参考资料的全科医生约为 36%，不使用参考资料的医生则约为 22%。诊断编排器在取自波士顿 Beth Israel Deaconess Medical Center 大型患者入院数据库的急诊病例中也胜过医生，准确率达到 80%，而人类医生的平均准确率为 47%。与人类同行相比，该 AI 系统得出诊断结果的预估成本也往往更低。

研究人员表示，该系统由 OpenAI 的 GPT-5 驱动，其表现也胜过独立运行的前沿 AI 模型，不过这篇经过同行评审的论文未涵盖较新的模型，例如GPT-6 Astra、Meta 的Muse Wonder Full、Google 的Gemini 4 Argon或 Anthropic 的Opus 5.5。诊断编排器最初是在 GPT-4.1 作为当时最先进模型时开发的，但研究人员表示，后续测试表明，“模型能力的提升不一定会削弱”多个智能体协同工作的益处。

Microsoft 承认，要广泛部署这项技术还有很长的路要走。虽然这些测试更接近医生诊断病症的方式——提出问题、权衡各种可能的解释，并在作出诊断前安排检查——但该系统只在既往医疗病例上进行过测试，目前尚不清楚它在真实临床环境中的表现如何。Suleyman 表示：“它需要经过临床验证。这是一个飞跃，但也是这段征程中的一个重要里程碑。”

这项研究是 Microsoft 更宏大目标的一部分：开发该公司所称的“医疗超级智能”——能够超越由人类主导的最佳医疗保健系统的 AI。早在 Donald Trump 及其政府将“超级智能”挪用为“AI”的笼统替代说法之前，Microsoft 就使用过这个词。

微软健康业务 AI 负责人、该研究的共同作者 Dominic King 博士表示，诊断只是微软健康愿景的一部分。在周四发布的一篇博客文章以及即将在医学期刊 BMJ Digital Health & AI 上发表的一篇文章中，公司概述了它认为 AI 还需要掌握的另外五个领域，包括协调临床护理、制定治疗决策，以及应对医学中与人相关的层面。

King 告诉 The Verge，微软计划与贝斯以色列女执事医疗中心合作，在医院环境中开始测试该系统，了解它在真实临床环境中的表现。King 和 Suleyman 都没有承诺具体时间表，不过 King 表示，测试可能会“在接下来几个月内启动”。

商业化也可能即将到来，不过微软尚未说明这项技术何时或如何面向公众提供。微软已凭借其数字工具在美国医疗保健领域占据重要地位，而健康是其面向消费者的聊天机器人 Copilot 最受欢迎的用途之一。King 强调需要以负责任的方式推出这项技术，并指出医学领域有严格的监管和合规要求，必须遵守。

Suleyman 表示：“明年，我们将看到极具影响力的智能系统在生产环境中部署。我认为，这将从根本上改变医疗服务的提供方式。”

Suleyman 此前曾谈到他对 AI 的“以人为本”愿景，并表示医学也不例外。尽管他预测“未来几年内，将出现医疗超智能，其表现与人类难以区分”，但他坚称，人类临床医生应该且将始终在患者护理中发挥核心作用。

他承认，AI 最终可能会让医生承担更多工作，但他说，他希望 AI 能减轻医学工作中的一些“繁琐事务”，让临床医生有更多时间陪伴患者。

他说：“我对接下来即将到来的事物非常乐观。我认为，这就是我们开发技术的原因。”

关注这个故事中的主题和作者，即可在个性化首页动态中看到更多类似内容，并接收电子邮件更新。

• Robert Hart